Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması

GÖLEÇ, ADEM; ERSÖZ, Süleyman; Türker, Ahmet Kürşad; çağıl, gültekin; Ipek, Mumtaz; Aktepe, Adnan

doi:10.17341/gazimmfd.478648

Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması

Ahmet Kürşad TÜRKER, (Kırıkkale Üniversitesi, Endüstri Mühendisliği Bölümü, Kırıkkale, Türkiye)

Adem GÖLEÇ, (Erciyes Üniversitesi, Endüstri Mühendisliği Bölümü, Kayseri, Türkiye)

Adnan AKTEPE, (Kırıkkale Üniversitesi, Endüstri Mühendisliği Bölümü, Kırıkkale, Türkiye)

Süleyman ERSÖZ, (Kırıkkale Üniversitesi, Endüstri Mühendisliği Bölümü, Kırıkkale, Türkiye)

Mümtaz İPEK, (Sakarya Üniversitesi, Endüstri Mühendisliği Bölümü, Sakarya, Türkiye)

Gültekin ÇAĞIL (Sakarya Üniversitesi, Endüstri Mühendisliği Bölümü, Sakarya, Türkiye)

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

5 0

Yıl: 2020 Cilt: 35 Sayı: 2 Sayfa Aralığı: 709 - 724 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.478648 İndeks Tarihi: 10-01-2021

Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması

Öz:

Atölye tipi üretimde atölyeye gelen işler rotadaki sıraya göre iş merkezlerine atanarak bir dizi operasyondangeçmektedir. Üretim, farklı rotalara sahip ürün çeşitlerinin ve iş merkezi sayısının artmasıyla daha karmaşıkbir hal alır. Dinamik üretim ortamının gerçek zamanlı izlenmesiyle sistemin durumuna göre alınacak kararlarçok önemli rol oynar. Dördüncü Sanayi Devrimi ile bilişim teknolojilerinin endüstride yaygın olarakkullanılması, Endüstri 4.0 ve nesnelerin interneti aracılığıyla birbirleri arasında iletişim kurma özelliğinesahip üretim araçlarından büyük miktarda veri elde etme imkânı sağlamıştır. Bu çalışmada, iş merkezlerindebulunan sensörler vasıtasıyla gerçek zamanlı veri toplayabilen bir üretim sisteminin benzetim modelioluşturulmuştur ve operasyon koşulları belirlenmiştir. Sonrasında iş merkezi/tezgâh yükleme stratejileriişlerin gecikme sürelerine göre kıyaslanmıştır. En iyi yükleme stratejisi ile benzetim modeli üç farklı talephızına göre çalıştırılmıştır. İş gecikmeleri ve iş merkezlerinin durumu gözlenmiştir. Elde edilen veriler verimadenciliği sınıflama algoritmaları ile değerlendirilerek geciken işler için çeşitli kurallar belirlenmiştir. Bukurallar benzetim modeline bir karar mekanizması olarak eklenmiştir. Bu haliyle model, işletmeye yeni birsipariş geldiğinde uzman sistem ile gecikip gecikmeyeceğini tahmin etmektedir ve üretimi için dış kaynakkullanımı kararını verebilmektedir. Bu yaklaşım ile geciken iş sayısı daha da azaltılmıştır.

Anahtar Kelime:

A real-time system design using data mining for estimation of delayed orders and application

Öz:

In job-shop production systems, orders are assigned to work centers according to their routes, and their operations are performed in this order. Production is becoming more and more complex with the increasing number of product lines and work centers with different routes. Decisions to be made according to the realtime monitoring of a dynamic production environment have become important. With the Fourth Industrial Revolution, information technologies are widely used in industries. A large amount of data is obtained from production tools that are capable of communicating with each other by means of Industry 4.0 and the internet of things. In this study, a simulation model of a production system that can collect data in real-time via sensors in work centers has been created and operation conditions have been determined. Then, work center / machine loading strategies were compared according to the delay periods of the jobs. The simulation model with the best loading strategy was run according to three different demand rates. Then data related with the delay status of the orders and the status of the work centers was obtained. The data were evaluated with data mining classification algorithms and rules were determined for delayed jobs. These rules were added to the simulation model as a decision mechanism. When an order is received in this model, the expert system estimates whether or not there will be a delay, and makes a decision to outsource the order’s production if needed. This approach further reduces the number of delayed orders

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

1. Türker A.K., Ersöz O.Ö., Üretim Planlama ve Kontrolün Atölye Yükü ile Eşzamanlı Gerçekleştirilmesi, MANAS Journal of Social Studies, 5 (5), 2016.
2. Elhüseyni, M., Hipotetik Bir Tekstil Atölyesinin Dinamik Çizelgelenmesinde Yollama Kurallarının Benzetim Tekniğiyle Analizi. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, Türkiye, 2012.
3. Azadeh, A., Negahban, A. ve Moghaddam, M., A hybrid computer simulation-artificial neural network algorithm for optimisation of dispatching rule selection in stochastic job shop scheduling problems, International Journal of Production Research, 50 (2), 551–566, 2012.
4. Larsen, R. ve Marco, P., A framework for dynamic rescheduling problems, International Journal of Production Research, 1-18, 2018.
5. Kusiak A., Smart Manufacturing, Int J of Prod Reseacrh, 56 (1-2), 508-517, 2018.
6. L. Li, Z. Sun, J. Ni, et al., Data-based scheduling framework and adaptive dispatchingrule of complex manufacturing systems, Int. J. Adv. Manuf. Tech. 66 (9), 1891–1905, 2013.
7. Türker A.K. vd. Rfıd Teknolojisi Entegreli Otomatik Taşıma Sistemi İle Parçaların Atölye İçerisinde Otomatize Rotalanması Ve Atölye Kontrolünün Gerçekleştirilmesi, KKU-BAP Projesi, Kırıkkale, 2018.
8. Cheng ,Ying, Chen, Ken, Sun, Hemeng, Zhang, Yongping, Tao, Fe, Data and knowledge mining with big data towards smart production, J of Ind Inf Integration, Volume 9, Pages 1-13, 2018.
9. Banks J., Carson J. S., Nelson B. L., Nicol D. M. Discrete-Event System Simulation. Printice Hall 3rd Edition, 2001.
10. Law A. M., Kelton W. D. Simulation Modeling and Analysis. McGraw-Hill, International Editions, 2nd Edition., 1991.
11. Koruca H.İ., Özdemir G., Aydemir E., Çayırlı M., Development of flexible work flow planning editor for simulation software and operations scheduling on gantt charts, Journal of the Faculty of Engineering and Architecture of Gazi University, 25 (1), 77-81, 2010.
12. Eguchi, T., Oba, F. ve Hirai, T., A neural network approach to dynamic job shop scheduling, Global Production Management, 24, 152-159, 1999.
13. Aydın, M. E. ve Öztemel, E., Dynamic job-shop scheduling using reinforcement learning agents, Robotics and Autonomous Systems, 33, 169-178, 2000.
14. Baykasoğlu A., Saltabaş A., Taşan A. S. ve Subulan K., Realizing artificial immune system in a multi agent simulation environment and an application to travelling salesmen problem, Journal of the Faculty of Engineering and Architecture of Gazi University, 27 (4), 901-909, 2012.
15. Yaman K., Sarucan A., Atak M. ve Aktürk N., Preperation of data for dynamic scheduling using image processing and arima models, journal of the Faculty of Engineering and Architecture of Gazi University, 16 (1), 19-40, 2001.
16. İpek, M., Dinamik Atölye Çizelgelemede Yapay Sinir Ağı ile Teslim Tarihi Belirlenmesi, Doktora Tezi, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Sakarya, 2007.
17. Göçken, M., A Simulated Based Approach to Develop New Approaches for Due Date Assignment and Job Release in Multi-Stage Job Shops, Doktora Tezi, Gaziantep Üniversitesi, Fen Bilimleri Enstitüsü, Gaziantep, 2007.
18. Gürbüz F., Özbakır L. ve Yapıcı H., Data mining application on component reports of an airline company in turkey, Journal of the Faculty of Engineering and Architecture of Gazi University, 24 (1), 73-78, 2009.
19. Köklü M., Kahramanlı H. ve Allahverdi N., A new accurate and efficient approach to extract classification rules, Journal of the Faculty of Engineering and Architecture of Gazi University, 29 (3), 477-486, 2014.
20. Ismail, R., Zalinda, O. ve Azuraliza, A. B., Data Mining In Production Planning and Scheduling: A Review, 2nd Conference on Data Mining and Optimization, Selangor, Malaysia, 154-159, 27-28 October 2009.
21. Zhou, R., Nee, A. Y. C. ve Lee, H. P., Performance of an ant colony optimisation algorithm in dynamic job shop scheduling problems, International Journal of Production Research, 47 (11), 2903–2920, 2009.
22. Metan, G., Sabuncuoğlu, İ. ve Pierreval, H., Real time selection of scheduling rules and knowledge extraction via dynamically controlled data mining, International Journal of Production Research, 48 (23), 6909–6938, 2010.
23. Sharma, P. ve Jain, A., Analysis of dispatching rules in a stochastic dynamic job shop manufacturing system with sequence-dependent setup times, Frontiers of Mechanical Engineering, 9 (4), 380–389, 2014.
24. Sharma, P. ve Jain, A., New setup-oriented dispatching rules for a stochastic dynamic job shop manufacturing system with sequence-dependent setup times, Concurrent Engineering: Research and Applications, 24 (1), 58-68, 2016.
25. Zhong, R. Y., Huang, G. Q., Dai, Q. Y. ve Zhang, T., Mining SOTs and dispatching rules from RFID-enabled real-time shopfloor production data, J Intell Manuf, 25, 825–843, 2014.
26. Karacan, İ., Data Mining For Simulation Input Modeling, Master Tezi, Turkish Naval Academy, İstanbul, 2014.
27. Kulkarni, K. ve Venkateswaran, J., Hybrid approach using simulation-based optimisation for job shop scheduling problems, Journal of Simulation, 9 (4), 312- 324, 2015.
28. Kück, M., Ehm, J., Freitag, M., Frazzon, E. M. ve Ricardo, P., A Data-Driven Simulation-Based Optimisation Approach for Adaptive Scheduling and Control of Dynamic Manufacturing Systems, Advanced Materials Research, 1140, 449-456, 2016.
29. Ersöz S., Türker A.K., Aktepe A. ve diğerleri. Üretim Süreçlerinin Optimizasyonunda RFID Teknolojisi ve Uzman Sistem Temelli Tümleşik Yapının ERP Sistemine Entegrasyonu ve FNSS Savunma Sistemleri A.Ş.’de Uygulanması. SAN-TEZ Projesi Sonuç Raporu, 2017.
30. Bierwirth, C. ve Kuhpfahl, J., Extended GRASP for the job shop scheduling problem with total weighted tardiness objective, European Journal of Operational Research, 261, 835-848, 2017.
31. Xiong, H., Fan, H., Jiang, G. ve Li, G., A simulationbased study of dispatching rules in a dynamic job shop scheduling problem with batch release and extended technical precedence constraints, European Journal of Operational Research, 257, 13-24, 2017.
32. Rossit, D. A., Tohme, F. ve Frutos, M., Industry 4.0: Smart Scheduling, International Journal of Production Research, 1-12, 2018.
33. Tao, F., Qi, Q., Liu, A. ve Kusiak, A., Data-driven smart manufacturing, Journal of Manufacturing Systems, 48, 157-168, 2018.
34. Cheng, Y., Chen, K., Sun, H., Zhang, Y. ve Tao, F., Data and knowledge mining with big data towards smart production, Journal of Industrial Information Integration, 9, 1-13, 2018.
35. Gupta, A. K.; Sivakumar, A. I. Job shop scheduling technIques In semiconductor manufacturing. Int. Journal of Advanced Manufacturing Technology, 2006, 27 (11-12), 1163-1169, DOI: https://doi.org /10.1007/s00170-004-2296-z .
36. Kapanoglu, M., Alikalfa, M. Learning IF-THEN priority rules for dynamic job shops using genetic algorithms. Robotics and Computer-Integrated Manufacturing, 2010. 27 (1), 47-55, DOI: https://doi.org/10.1016/j.rcim.2010.06.001, 2010.
37. Holthaus, O., Rajendran, C. Efficient dispatching rules for scheduling in a job shop. Int. Journal of Production Economics, 1997, 48 (1), 87-105, DOI:10.1016/S0925- 5273(96)00068-0,1997.
38. Jayamohan M. S., Rajendran C. New dispatching rules for shop scheduling: a step forward. International Journal of Production Research, 38 (3), 563-586, 2000.
39. Chiang T. C. and Fu L. C. Using dispatching rules for job shop scheduling with due date-based objectives. International Journal of Production Research, July 2007, 45 (17), 15, 3245–3262, 2007.
40. Dileepan, P. & Ahmadi, M. Scheduling Rules for A Small Dynamic Jop-Shop: A Simulation Approach. Int J. Simul Model, 9 (4), 173-183, 2010.
41. Weka 3: Data Mining Software in Java, (https://www .cs.waikato.ac.nz/ml/weka).
42. ARENA Simülasyon Yazılımı, (https:// www. rockwellautomation.com/rockwellsoftware/ simulation. page).
43. Türker, A.K.; Aktepe, A.; Inal, A.F.; Ersoz, O.O.; Das, G.S. Birgoren, B. A Decision Support System for Dynamic Job-Shop Scheduling Using Real-Time Data with Simulation. Mathematics, 7, 278, 2019.
44. İnal, A.F. Atölye Tipi Üretimde Dinamik Çizelgeleme Problemi İçin Tezgâh Yükleme Kurallarının Kıyaslanması, Yüksek Lisans Tezi, Kırıkkale Üniversitesi, (Danışman: Türker, A.K.), 2018.

APA	Türker A, GÖLEÇ A, Aktepe A, ERSÖZ S, Ipek M, çağıl g (2020). Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. , 709 - 724. 10.17341/gazimmfd.478648
Chicago	Türker Ahmet Kürşad,GÖLEÇ ADEM,Aktepe Adnan,ERSÖZ Süleyman,Ipek Mumtaz,çağıl gültekin Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. (2020): 709 - 724. 10.17341/gazimmfd.478648
MLA	Türker Ahmet Kürşad,GÖLEÇ ADEM,Aktepe Adnan,ERSÖZ Süleyman,Ipek Mumtaz,çağıl gültekin Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. , 2020, ss.709 - 724. 10.17341/gazimmfd.478648
AMA	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. . 2020; 709 - 724. 10.17341/gazimmfd.478648
Vancouver	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. . 2020; 709 - 724. 10.17341/gazimmfd.478648
IEEE	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g "Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması." , ss.709 - 724, 2020. 10.17341/gazimmfd.478648
ISNAD	Türker, Ahmet Kürşad vd. "Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması". (2020), 709-724. https://doi.org/10.17341/gazimmfd.478648

APA	Türker A, GÖLEÇ A, Aktepe A, ERSÖZ S, Ipek M, çağıl g (2020). Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(2), 709 - 724. 10.17341/gazimmfd.478648
Chicago	Türker Ahmet Kürşad,GÖLEÇ ADEM,Aktepe Adnan,ERSÖZ Süleyman,Ipek Mumtaz,çağıl gültekin Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35, no.2 (2020): 709 - 724. 10.17341/gazimmfd.478648
MLA	Türker Ahmet Kürşad,GÖLEÇ ADEM,Aktepe Adnan,ERSÖZ Süleyman,Ipek Mumtaz,çağıl gültekin Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.35, no.2, 2020, ss.709 - 724. 10.17341/gazimmfd.478648
AMA	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(2): 709 - 724. 10.17341/gazimmfd.478648
Vancouver	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(2): 709 - 724. 10.17341/gazimmfd.478648
IEEE	Türker A,GÖLEÇ A,Aktepe A,ERSÖZ S,Ipek M,çağıl g "Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35, ss.709 - 724, 2020. 10.17341/gazimmfd.478648
ISNAD	Türker, Ahmet Kürşad vd. "Siparişlerin gecikme tahmini için veri madenciliğine dayalı gerçek zamanlı bir sistem tasarımı ve uygulaması". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35/2 (2020), 709-724. https://doi.org/10.17341/gazimmfd.478648